一种异质信息网络的链接预测方法、装置及电子设备.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115834383A(43)申请公布日2023.03.21(21)申请号202211458909.2(22)申请日2022.11.17(71)申请人中国农业银行股份有限公司青岛市分行地址266072山东省青岛市市南区山东路19号(72)发明人杨伟英张玉忠赵华国丁浩(74)专利代理机构北京集佳知识产权代理有限公司11227专利代理师李慧引(51)Int.Cl.H04L41/0823(2022.01)H04L41/14(2022.01)H04L41/147(2022.01)权利要求书2页说明书12页附图2页(54)发明名称一种异质信息网络的链接预测方法、装置及电子设备(57)摘要本发明提供了一种异质信息网络的链接预测方法、装置及电子设备，本发明中，获取待进行链接预测的目标异质信息网络，对所述目标异质信息网络进行多元关系提取，得到所述目标异质信息网络的多元组，并将所述多元组作为模体节点，确定所述模体节点的嵌入向量和位置编码向量，并对所述嵌入向量和所述位置编码向量进行向量相加操作，得到所述模体节点的模体节点向量，调用基于对抗模体的链接预测模型对所述模体节点向量进行处理，以得到所述目标异质信息网络的链接预测结果。即本发明中，使用目标异质信息网络真实的多元关系进行链接预测，相比于假设对象实体之间的关系是成对的这种处理方式，能够提高链接预测的准确度。CN115834383ACN115834383A权利要求书1/2页1.一种异质信息网络的链接预测方法，其特征在于，包括：获取待进行链接预测的目标异质信息网络；对所述目标异质信息网络进行多元关系提取，得到所述目标异质信息网络的多元组，并将所述多元组作为模体节点；确定所述模体节点的嵌入向量和位置编码向量，并对所述嵌入向量和所述位置编码向量进行向量相加操作，得到所述模体节点的模体节点向量；调用基于对抗模体的链接预测模型对所述模体节点向量进行处理，以得到所述目标异质信息网络的链接预测结果；所述基于对抗模体的链接预测模型基于训练样本训练得到，所述基于对抗模体的链接预测模型包括生成模型、鉴别模型以及链接预测模块，所述生成模型用于生成模体节点的表示向量，所述鉴别模型用于对所述生成模型生成的表示向量进行训练优化操作，所述链接预测模块用于确定训练优化后的表示向量对应的链接预测结果，并作为所述目标异质信息网络的链接预测结果。2.根据权利要求1所述的链接预测方法，其特征在于，在将所述多元组作为模体节点之后，还包括：确定所述模体节点中的子节点的分类类型，得到子节点的分类结果，所述分类结果包括主模体节点或次模体节点；基于所述子节点的分类结果，对所有的所述模体节点中的主模体节点和次模体节点进行节点连接操作，得到节点连接图。3.根据权利要求2所述的链接预测方法，其特征在于，所述基于对抗模体的链接预测模型的生成过程包括：获取训练样本；所述训练样本包括节点向量样本；获取基于对抗模体的链接预测模型，所述基于对抗模体的链接预测模型包括生成模型、鉴别模型以及链接预测模块；使用所述训练样本对所述基于对抗模体的链接预测模型进行训练，直至所述基于对抗模体的链接预测模型的ROC曲线下的面积分数和平均精度分数满足预设条件时停止训练。4.根据权利要求3所述的链接预测方法，其特征在于，使用所述训练样本对所述基于对抗模体的链接预测模型进行训练，包括：调用生成模型对所述节点向量样本进行处理，得到所述节点向量样本的隐层表示向量；使用所述鉴别模型对所述隐层表示向量的后验分布以及所述节点向量样本的先验分布进行匹配，并基于匹配结果调整所述生成模型中的参数以优化所述隐层表示向量，得到最优表示向量；使用所述链接预测模块对所述最优表示向量进行验证，以确定所述最优表示向量对应的链接预测结果。5.根据权利要求4所述的链接预测方法，其特征在于，调用生成模型对所述节点向量样本进行处理，得到所述节点向量样本的隐层表示向量，包括：调用生成模型，以使所述生成模型基于所述节点向量样本，计算具有连接关系的模体节点之间的注意力系数，并基于所述注意力系数计算所述模体节点的隐层表示向量；所述2CN115834383A权利要求书2/2页生成模型中的参数基于所述节点连接图更新。6.一种异质信息网络的链接预测装置，其特征在于，包括：网络获取模块，用于获取待进行链接预测的目标异质信息网络；节点确定模块，用于对所述目标异质信息网络进行多元关系提取，得到所述目标异质信息网络的多元组，并将所述多元组作为模体节点；向量确定模块，用于确定所述模体节点的嵌入向量和位置编码向量，并对所述嵌入向量和所述位置编码向量进行向量相加操作，得到所述模体节点的模体节点向量；结果确定模块，用于调用基于对抗模体的链接预测模型对所述模体节点向量进行处理，以得到所述目